Ahmad, E., Lim, S., Lamptey, R., Webb, DR, Davies, MJ Diabetes tipo 2. Lanceta 400, 1803–1820 (2022).
Lee, J. y col. Dieta mediterránea, metaboloma plasmático y riesgo de enfermedad cardiovascular. euros. Corazón J. 41, 2645–2656 (2020).
Morse, J. y col. Metabolómica y riesgo de diabetes tipo 2: una revisión sistemática actualizada y un metanálisis de estudios de cohortes prospectivos. cuidado de la diabetes. 45, 1013-1024 (2022).
Grupo de Investigación del Programa de Prevención de la Diabetes. Reducir la incidencia de diabetes tipo 2 con intervenciones en el estilo de vida o metformina. N. inglés. J.Med. 346, 393–403 (2002).
Tuomilehto, J. et al. Prevención de la diabetes tipo 2 mediante cambios en el estilo de vida en sujetos con intolerancia a la glucosa. N. inglés. J.Med. 344, 1343-1350 (2001).
Wishart, DS y cols. HMDB 5.0: la base de datos del metabolismo humano de 2022. Ácidos nucleicos res. 50, D622–D631 (2022).
Pallares-Méndez, R., Aguilar-Salinas, CA, Cruz-Bautista, I. Del Bosque-Plata, L. Revisión de la metabolómica en la diabetes. Ana. medicamento. 48, 89-102 (2016).
Guasch-Ferré, M. et al. Metabolómica en prediabetes y diabetes: una revisión sistemática y un metanálisis. cuidado de la diabetes. 39, 833–846 (2016).
De Mello, VD y cols. Un estudio finlandés de prevención de la diabetes demostró que el ácido indolpropiónico y un nuevo metabolito lipídico se asociaban con un riesgo reducido de diabetes tipo 2. Ciencia. Representante 7, 1-12 (2017).
Kivelä, J., Meinilä, J., Uusitupa, M., Tuomilehto, J. & Lindström, J. Aminoácidos de cadena ramificada longitudinal, intervenciones en el estilo de vida y diabetes tipo 2 en el estudio finlandés de prevención de la diabetes. J.Clin. Endocrino. metabolismo. 107, 2844–2853 (2022).
Del Sevilla González, RM et al. Marcadores metabolómicos de la regulación de la glucosa después de intervenciones en el estilo de vida en pacientes prediabéticos. BMJ abierto. Pruebas y atención de la diabetes 10 (2022).
Georgia Wolford et al. Perfiles de metabolitos de la incidencia de diabetes y respuesta a la intervención en programas de prevención de diabetes. Diabetes 65, 1424-1433 (2016).
Pihlajamäki, J. et al. Un programa con respaldo digital para la identificación y reducción del riesgo de diabetes tipo 2 en un entorno del mundo real: el modelo StopDia y el protocolo de ensayo controlado aleatorio. Público BMC. salud. 19, 1-13 (2019).
Lakka, TA y cols. Eficacia en el mundo real de las intervenciones digitales y grupales en el estilo de vida en comparación con la atención habitual para reducir el riesgo de diabetes tipo 2: un ensayo pragmático aleatorio para detener la diabetes. Registro de lancetas. Salud – Europa 24 (2023).
Makrirakis, K. et al. Validación del cuestionario Finlandés de Puntuación de Riesgo de Diabetes (FINDRISC) para la detección de diabetes tipo 2 no diagnosticada, disglucemia y síndrome metabólico en Grecia. Metapestaña Diabetes. 37, 144-151 (2011).
Relacionado, Diagnóstico y Clasificación de la Diabetes AD. cuidado de la diabetes. 33, S62-S69 (2010).
Jalkanen, K. y col. Comparación de canales de comunicación para la detección a gran escala del riesgo de diabetes tipo 2 y el reclutamiento de intervenciones: un estudio empírico. Diabetes JMIR. 6, e21356 (2021).
Lindstrom, J. et al. Desarrollo y validación del Índice de Dieta Saludable (IDH) para evaluar la calidad de la dieta en el sector sanitario. interno. J. Medio Ambiente. Resolución Salud Pública. 18, 2362 (2021).
Klåvus, A. et al. Notame: Flujo de trabajo para perfiles metabólicos de LC-MS no específicos. Metabolitos 10, 135 (2020).
Lapat, HA et al. El ribósido de nicotinamida mejora la biogénesis mitocondrial muscular, la diferenciación de células satélite y la microbiota intestinal en un estudio con gemelos. Ciencia. Avanzado 9, eadd5163 (2023).
Hiroshi Tsugawa et al. MS-DIAL: Deconvolución MS/MS independiente de los datos para un análisis integral del metaboloma. tuerca. método. 12, 523–526 (2015).
Hiroshi Tsugawa et al. Reglas de reordenamiento de hidrógeno: fragmentación computacional MS/MS y elucidación de estructuras utilizando el software MS-FINDER. Anal. Química. 88, 7946–7958 (2016).
Sumner, LW y cols. Normas mínimas de presentación de informes propuestas para análisis químicos. Metabolómica 3, 211–221 (2007).
Vangipurapu, J., Fernandes Silva, L., Kuulasmaa, T., Smith, U., Laakso, M. Metabolitos asociados a la microbiota y riesgo de diabetes tipo 2. cuidado de la diabetes. 43, 1319-1325 (2020).
Feldman, EL, Russell, JW, Sullivan, KA, Golovoy, D. Nuevos conocimientos sobre la patogénesis de la neuropatía diabética. auto. opinión. Rollo nuevo. 12, 553–563 (1999).
Baumgartner, C. y col. Papel potencial de la glicerofosfocolina del músculo esquelético en respuesta a cambios en el equilibrio de líquidos corporales en humanos: un estudio de resonancia magnética nuclear in vivo. mañana. J. Fisiología-Metabolismo Endocrino. 324, E339-E346 (2023).
Prada, M. Asociación del contenido de ácidos grasos de cadena impar de otros grupos de lípidos con riesgo de diabetes tipo 2: un análisis específico de datos de lipidómica en la cohorte EPIC-Potsdam. Clínico. Neutle. 40, 4988–4999 (2021).
Pfeuffer, M. & Jaudszus, A. Ácido pentadecanoico y ácido heptadecanoico: ácidos grasos pleiotrópicos de cadena impar. Newtle avanzado. 7, 730–734 (2016).
Farrell, EK & Merkler, DJ Biosíntesis, degradación e importancia farmacológica de las amidas de ácidos grasos. Descubrimiento de fármacos hoy. 13, 558–568 (2008).
Lambert, DM & Di Marzo, V. Los misterios de la palmitoiletanolamida y la oleamida: ¿son estas dos amidas de ácidos grasos miméticos del cannabis? Carr. medicamento. Química. 6, 757–773 (1999).
Gruden, G., Barutta, F., Kunos, G. y Pacher, P. El papel del sistema endocannabinoide en la diabetes y las complicaciones de la diabetes. Hermano J. Farmacéutico. 173, 1116-1127 (2016).
Donalova, L. Otras vías intestinales y cerebrales dependientes del microbioma modulan la motivación del ejercicio. Naturaleza, 1–9 (2022).
Huynh, K. y col. Lipidómica plasmática de alto rendimiento: mapeo detallado de asociaciones con factores de riesgo cardiometabólico. celúla. Química. Biología. 26, 71–84 (2019).
Orsavova, J., Misurcova, L., Ambrozova, V., Vicha, J., Mlcek, J. & R. & Composición de ácidos grasos de los aceites vegetales y su contribución a la dependencia de la ingesta de energía dietética y la mortalidad cardiovascular de la ingesta de ácidos grasos en la dieta. interno. J. Mol. Ciencia. 16, 12871–12890 (2015).
Xia, T. y col. Un estudio longitudinal de la asociación entre la actividad física de moderada a vigorosa y los ácidos grasos monoinsaturados plasmáticos durante el embarazo. frente. Neutle. 9, 983418 (2022).
Zhu, X. y col. Asociación de ácidos grasos con riesgo de intolerancia a la glucosa y diabetes tipo 2 en adultos estadounidenses: NHANES 2005 – 2016. Nutr. Diabetes. 13, 8 (2023).
Dudzik, D. y col. Huella metabólica de la diabetes gestacional. J. Proteoma. 103, 57–71 (2014).
Haikonen, R., Kärkkäinen, O., Koistinen, V. & Hanhineva, K. Metabolitos asociados a la dieta y la microbiota en la salud y la enfermedad, 5-aminovalerato betaína (5-AVAB). Tendencias endocrinas. & Metabolismo (2022).
Kerkainen, O. Otras moléculas asociadas con la ingesta de cereales integrales. El 5-aminovalerato de betaína reduce la betaoxidación de ácidos grasos en cardiomiocitos de ratón. Ciencia. Rep. N° 8, 13036 (2018).
O’Sullivan, JF et al. El dimetilguanidinovalerato es un marcador de grasa hepática y predice la diabetes. J.Clin. Voy a investigar. 127, 4394–4402 (2017).
Ottosson, F. y col. Dimetilguanidinovalerato: un metabolito relacionado con el estilo de vida asociado con futura enfermedad arterial coronaria y mortalidad cardiovascular. Atasco. Asociación del Corazón. 8, e012846 (2019).
Chen, Y. et al. Asociación entre los aminoácidos séricos y el desarrollo de diabetes tipo 2 en adultos rurales de China. Neutle. cardiovasculares metabólicas. Dis. 31, 2416–2425 (2021).
Thomson, SC y col. Ornitina descarboxilasa, tamaño del riñón y la hipótesis tubular de la filtración glomerular en la diabetes experimental. J.Clin. Voy a investigar. 107, 217–224 (2001).
Lankinen, MA y cols. Ácidos grasos plasmáticos como predictores de glucosa en sangre y diabetes tipo 2. Diabetología 58, 2533–2544 (2015).
Adams, SH et al. Los perfiles de acilcarnitina en plasma sugieren una betaoxidación incompleta de los ácidos grasos de cadena larga y una actividad alterada del ciclo del ácido tricarboxílico en mujeres afroamericanas con diabetes tipo 2. J. Nutr. 139, 1073–1081 (2009).
Veronese, N. y col. Sulfato de dehidroepiandrosterona sérica y riesgo de diabetes tipo 2 en hombres y mujeres mayores: Pro. Investigación de VA. poder. J.Diabetes. 40, 158-163 (2016).
Ennour-Idrissi, K., Maunsell, E. y Diorio, C. Efectos de la actividad física sobre las hormonas sexuales femeninas: una revisión sistemática y un metanálisis de ensayos controlados aleatorios. Instituto de Investigación del Cáncer de Mama 17, 1–11 (2015).
Sánchez-Guijo, A. Papel de las sulfatasas de esteroides en la homeostasis de otros esteroides y caracterización de la vía de los esteroides sulfatados: evidencia de la deficiencia de sulfatasas de esteroides. Mol. celúla. Endocrino. 437, 142-153 (2016).
Buergel, T. y col. Los perfiles metabolómicos predicen múltiples resultados de enfermedades en los individuos. tuerca. medicamento. 28, 2309–2320 (2022).
